随着物联网、云计算与大数据技术的不断发展,数据中心的规模不断扩大,其能源消耗也变得越来越大,数据中心网络节能已经成为了重要的研究领域。传统数据中心网络状况复杂、难以扩展、且可控性差,本论文基于SDN技术,通过对SDN数据中心网络节能问题的研究,建立了融合流量预测和多重虚拟拓扑网络的数据中心节能方案。本论文的贡献具体如下:1.建立了数据中心网络流量预测算法。利用K-means聚类算法对流量数据集进行聚类,然后利用SVM训练回归模型,实现对网络流量的预测。2.针对“富连接”数据中心网络在低负载时能源利用率较低的问题,提出了一种节能的多层虚拟拓扑流量调度算法(EMV-SDN)。首先建立节能流量调度问题的整形线性规划(Integral Linear Programing,ILP)优化数学模型,使得在承载所有网络负载的前提下,网络能源消耗最小。然后提出了节能的多层虚拟拓扑流量调度算法,来求解数学优化模型,得到数据流的节能调度方案。通过休眠高层的虚拟拓扑和交换机及其端口实现节能,降低网络能源消耗。实验结果表明,在网络能耗和数据流平均完成时间等方面,多层虚拟拓扑流量调度算法(EMV-SDN)均优于ECMP(Equal-Cost Multi-Path Routing)以及 Dijstra 最短路径算法。3.融合流量预测算法与多层虚拟拓扑流量调度算法(EMV-SDN)来进一步改进节能效果以及网络性能。首先将数据中心网络拓扑划分为多层虚拟拓扑,并开启第一层虚拟拓扑;然后,对于新到达的数据流,根据当前层虚拟拓扑的平均链路利用率,以及下一时段预测的流量带宽需求的区间,决定是否开启或关闭高一层拓扑。实验结果表明,在网络能耗和数据流平均完成时间等方面,融合流量预测算法的多层虚拟拓扑流量调度算法(EMV-SDN)均优于ECMP(Equal-Cost Multi-Path Routing)以及Dijstra最短路径算法,与未融合流量预测算法的多层虚拟拓扑流量调度算法(EMV-SDN)相比能够在不增加网络能耗的前提下提高网络稳定性。